Econometrica — Vol 91 Issue 6 · 2026-07-06¶

共 15 篇 · Econometrica
目录核对 ⚠️ 疑似漏 1 篇（对照 OpenAlex 23 篇）：10.3982/ecta916forth

本期导览¶

自动生成：归纳本期主要主题与脉络，不打分、不排名。

Econometrica 第 91 卷第 6 期整体围绕三条主线展开：因果识别与估计方法（4 篇）、经济理论与结构估计（7 篇）、以及宏观与微观应用中的机制分析（4 篇）。因果识别主线包括 Nonrandom Exposure to Exogenous Shocks、Estimation Based on Nearest Neighbor Matching、Same Root Different Leaves，以及 An Adversarial Approach to Structural Estimation（后者虽属结构估计，但其对抗框架与因果推断中的半参数效率有交叉）。经济理论主线涵盖 The Anatomy of Sorting、Tail Risk in Production Networks、Urban Growth、Rethinking the Welfare State、The Cross‐Sectional Implications of the Social Discount Rate、Algorithmic Mechanism Design With Investment、Mixed Strategies in the Indefinitely Repeated Prisoner's Dilemma、Intertemporal Hedging and Trade、Price Setting With Strategic Complementarities 等，涉及劳动力市场、生产网络、城市增长、福利政策、机制设计、博弈论和宏观定价。应用主线包括 Corporate Tax Cuts and the Decline in the Manufacturing Labor Share、Presidential Address: Demand‐Side Constraints in Development，以及 Nonrandom Exposure 和 Same Root Different Leaves 的实证部分。

因果识别主线最为突出，三篇论文从不同角度推进了处理效应估计的识别与效率理论。Nonrandom Exposure 针对处理变量由多个外生冲击组合而成的情形，提出基于反事实冲击的调整策略，不依赖传统工具变量或随机化假设，直接处理遗漏变量偏误，适用于网络溢出、市场可达性等场景。Estimation Based on Nearest Neighbor Matching 重新审视最近邻匹配，发现当匹配数发散时，匹配隐含的密度比估计可导出双重稳健且半参数有效的 ATE 估计量，建立了匹配方法与双机器学习之间的理论桥梁。Same Root Different Leaves 则从矩阵代数角度揭示水平回归（如 DID）与垂直回归（如合成控制）在点估计上的代数等价性，但强调两者对随机性来源的不同假设导致目标参数和推断方法截然不同，为面板数据因果推断提供了统一框架。这三篇共同指向一个核心问题：在非实验设定下，如何利用数据结构和随机性来源实现有效识别与效率提升。

经济理论主线中，多篇论文涉及结构估计与均衡分析的新方法。An Adversarial Approach to Structural Estimation 提出对抗估计框架，通过生成器与判别器的极小极大博弈实现参数估计，在正确设定下达到参数效率，误设定下保持参数收敛速度，为结构估计提供了无需显式似然或矩条件的通用工具。The Anatomy of Sorting 扩展有限混合方法，开发分类期望最大化算法，同时识别工人和企业类型，量化工作偏好、市场分割、裁员和就业机会对排序的贡献。Tail Risk in Production Networks 引入尾部中心度概念，分析非线性生产网络中大型冲击的传导机制，揭示互联性增加可能同时降低小冲击敏感性但增加大冲击敏感性的悖论。Price Setting With Strategic Complementarities 将企业定价问题建模为平均场博弈，刻画战略互补性对货币冲击传导的放大效应，并给出均衡存在性与唯一性条件。

对于因果推断方向的研究者，优先关注 Nonrandom Exposure、Estimation Based on Nearest Neighbor Matching 和 Same Root Different Leaves，这三篇分别处理了多冲击组合下的识别、匹配估计的半参数效率、以及面板数据中不同范式的关系。对于半参数效率方向，Estimation Based on Nearest Neighbor Matching 直接建立了匹配与半参数有效估计的联系，而 An Adversarial Approach to Structural Estimation 则提供了结构估计中的效率框架。对于高维或计算方法方向，An Adversarial Approach 的神经网络判别器与 Same Root Different Leaves 的矩阵代数视角值得留意。

因果推断 (causal_inference, 2 篇)¶

1. 10.3982/ecta20598 · arXiv — Estimation Based on Nearest Neighbor Matching: From Density Ratio to Average Treatment Effect¶

作者: Zhexiao Lin, Peng Ding, Fang Han
期刊/来源: Econometrica
机构: University of California, Berkeley · University of Washington
分类: vol 91 · issue 6 · pp 2187-2217
相关性 8/10 · novelty: new_theory
摘要: 本文重新审视了 Abadie 和 Imbens (2006) 的最近邻匹配估计量，发现当匹配数 M 随样本量发散时，匹配过程中隐含的一个内在统计量实际上构成了处理组与对照组协变量密度比的一致估计。基于这一发现，作者证明使用发散 M 的最近邻匹配，结合 Abadie 和 Imbens (2011) 的偏差校正，可以得到平均处理效应的双重稳健估计量。进一步地，若密度函数足够光滑且结果模型被一致估计，该估计量达到半参数有效。因此，该估计量可视为双机器学习估计量的先驱。理论结果通过模拟和实证研究得到验证。对您而言，本文在因果推断的 ATE 估计中建立了最近邻匹配与半参数效率理论之间的桥梁，直接关联您的 primary interest 中的因果推断和效率理论。
关键技术: nearest neighbor matching, density ratio estimation, doubly robust estimation, semiparametric efficiency, bias correction
为什么对您有用: 本文直接连接您的 primary interest 中的因果推断（ATE 估计）和效率理论（半参数有效）。技术武器库中 'estimation theory in causal inference' 和 'semiparametric theory' 可直接用于理解其双重稳健性和效率证明。中期可做：可尝试将发散 M 的最近邻匹配思路推广到您的 higher-order U-statistics 框架，分析其高阶影响函数。

2. 10.3982/ecta21248 · arXiv — Same Root Different Leaves: Time Series and Cross‐Sectional Methods in Panel Data¶

作者: Dennis Shen, Peng Ding, Jasjeet Sekhon, Bin Yu
期刊/来源: Econometrica
分类: vol 91 · issue 6 · pp 2125-2154
相关性 7/10 · novelty: new_theory
摘要: 本文研究面板数据中处理效应估计的两种主流范式——水平回归（利用时间序列模式，如非混淆性假设）与垂直回归（利用截面模式，如合成控制法）之间的关系。在无额外假设下，作者证明对于若干标准估计量（如两期DID、合成控制），两种方法给出的点估计代数等价。然而，两种方法假定的随机性来源不同，导致即使点估计相同，其对应的目标参数（estimand）和不确定性量化方式也截然不同。核心技术贡献在于：通过将面板数据视为一个矩阵，水平回归按行（时间）建模，垂直回归按列（单位）建模，并利用矩阵代数揭示估计量的等价性。理论结果强调，研究者必须明确数据中随机性的来源（时间 vs. 单位），这直接决定推断的有效性。本文对您的主要兴趣——因果推断中的纵向数据方法——有直接启发：它澄清了面板数据中时间序列与截面方法的本质区别，并提示在应用DID或合成控制时需谨慎选择推断框架。
关键技术: panel data, unconfoundedness, synthetic control, difference-in-differences, matrix algebra equivalence, randomness source
为什么对您有用: 直接连接您的主要兴趣——因果推断中的纵向数据方法。本文从理论层面统一了面板数据中两类主流估计量的点估计，但揭示了推断框架的根本差异。您的武器库中'非参数统计'和'因果推断中的估计理论'可直接用于理解其等价性证明；'M估计理论'可用于进一步分析其推断性质。中期可做：若想拓展其框架至更复杂的设定（如多期、连续处理），需先在'半参数理论'上加强。

经济理论 / 应用 (econ_theory, 13 篇)¶

1. 10.3982/ecta19367 — Nonrandom Exposure to Exogenous Shocks¶

作者: Kirill Borusyak, Peter Hull
期刊/来源: Econometrica
机构: Center for Economic and Policy Research · Agricultural & Applied Economics Association · University of California, Berkeley · John Brown University
分类: vol 91 · issue 6 · pp 2155-2185
相关性 8/10 · novelty: new_method
摘要: 本文提出一种新的因果效应估计方法，适用于处理变量或工具变量由多个外生冲击按已知公式组合而成的情形，例如社会网络中的溢出效应、交通网络的市场可达性、以及政策模拟工具变量。核心挑战在于：部分冲击是外生的，但其他冲击可能非随机，导致遗漏变量偏误。作者通过引入“反事实冲击”概念，并调整一个关键汇总度量——冲击暴露的非随机性（即反事实冲击下的平均处理或工具变量）——来消除偏误。方法本质上是一种基于反事实的调整策略，不依赖传统工具变量或随机化假设。理论部分给出了识别条件与估计量的渐近性质。实证部分应用于中国高铁建设对就业的市场可达性效应，展示了方法的实用性。对您而言，本文是经济理论中应用因果推断的典型案例，其“反事实调整”思路与您熟悉的因果识别理论有直接联系，且实证分析的数据处理与识别策略值得借鉴。
关键技术: counterfactual shocks, exposure nonrandomness, simulated instruments, spillover effects, market access
为什么对您有用: 本文属于经济理论（应用因果推断）方向，是您的secondary interest。文章提出的反事实调整方法直接关联您熟悉的因果识别理论，且实证部分使用了真实数据集（中国高铁与就业），分析模式可迁移。您的武器库中'identification theory in causal inference'（moderately_familiar）足以理解其核心识别策略，但需要先熟悉'counterfactual shocks'这一具体设定。本文是值得花时间读全文的入门级应用因果推断文献。

2. 10.3982/ecta16425 — The Anatomy of Sorting—Evidence From Danish Data¶

作者: Rasmus Lentz, Suphanit Piyapromdee, Jean-Marc Robin
期刊/来源: Econometrica
机构: University of Wisconsin–Madison · Aarhus University · University College London · Institut d'Etudes Politiques de Paris
分类: vol 91 · issue 6 · pp 2409-2455
相关性 7/10 · novelty: application
摘要: 本文利用丹麦行政数据，构建并估计了一个包含工人和企业双侧异质性的工作流动与工资模型。研究将Bonhomme等(2019)的有限混合方法扩展，开发了一种新的分类期望最大化算法，通过工资和流动数据同时识别工人和企业的潜在类型。工人按类型在分割的劳动力市场中接收工作机会，接受决策采用logit形式比较当前工作与新工作的价值。结合灵活估计的裁员率和就业率，量化了四种排序来源：工作偏好、市场分割、裁员和就业机会。工作偏好通过工作间流动的显示偏好识别，与工资在结构上独立，可能反映非货币性工作特征。研究发现强烈的货币动机主导工作偏好，但当前工作的未来收入现值与偏好的相关性更强，尤其对短期任职工人。类型排序通过互信息指数量化，工资排序通过工资类型间的相关性捕捉；所有渠道对排序均有显著贡献，且随生命周期变化。
关键技术: Classification EM algorithm, finite mixture model, revealed preference, mutual information index, two-sided heterogeneity, job mobility model
为什么对您有用: 本文属于经济理论的应用方向，与您的secondary interest（经济理论中的模型与因果推断）直接相关。您武器库中的非参数统计和因果推断估计理论可用于分析其分类EM算法的识别假设和有限混合模型的收敛性质。本文是值得一读的实证工作，展示了如何用结构模型量化劳动力市场排序机制，但核心方法学创新有限，属于应用层面。

3. 10.3982/ecta18707 · arXiv — An Adversarial Approach to Structural Estimation¶

作者: Tetsuya Kaji, Elena Manresa, Guillaume Pouliot
期刊/来源: Econometrica
机构: University of Chicago · New York University
分类: vol 91 · issue 6 · pp 2041-2063
相关性 7/10 · novelty: new_method
摘要: 本文提出一种新的基于模拟的结构估计方法——对抗估计（adversarial estimation），用于结构模型的参数估计。估计量被定义为生成器（利用结构模型生成模拟观测）与判别器（区分真实与模拟数据）之间的极小极大问题的解。判别器最大化分类准确率，而生成器最小化该准确率。理论证明，当判别器足够丰富时，对抗估计量在正确设定下达到参数效率（parametric efficiency），在误设定下达到参数收敛速度。作者推荐使用神经网络作为判别器，利用其自适应性质实现快速收敛。该方法为结构估计提供了一种无需显式似然或矩条件的通用框架。
关键技术: adversarial estimation, minimax estimation, simulation-based inference, neural network discriminator, parametric efficiency
为什么对您有用: 本文属于经济理论（structural estimation）的应用方法论文，与您的secondary interest（经济理论中的模型与因果推断）直接相关。您武器库中的非参数统计与M估计理论可用于分析该对抗估计量的渐近性质（如效率界与收敛速度），但核心的极小极大博弈与神经网络判别器属于您当前武器库的盲区（缺乏对抗训练与深度学习的理论工具），因此属于暂不可做的范畴——但作为经济理论方向的方法学入门读物，值得阅读全文以了解结构估计的新范式。

4. 10.3982/ecta19921 — Rethinking the Welfare State¶

作者: Nezih Guner, Remzi Kaygusuz, Gustavo Ventura
期刊/来源: Econometrica
机构: Centro de Estudios Monetarios y Financieros · Sabancı Üniversitesi · Durham University · Arizona State University
分类: vol 91 · issue 6 · pp 2261-2294
相关性 5/10 · novelty: application
摘要: 本文构建了一个包含单身与已婚家庭、异质性生产率风险、育儿成本及女性非参与导致技能损失的均衡生命周期模型，用于评估美国非医疗转移支付体系（福利国家）的价值。研究通过校准模型模拟了三种反事实政策：完全废除福利国家、全民基本收入（UBI）以及负所得税（NIT）。主要发现是：废除福利国家虽在总体上产生巨大福利损失，但多数家庭支持该方案，因为损失集中在少数群体；UBI 无法改善现状；而基于比例税的按人头转移支付（负所得税）则能在减少税收扭曲的同时扩大再分配，从而改善福利。该研究使用了结构估计和一般均衡模拟方法，属于应用经济学中的政策评估。
关键技术: life-cycle model, general equilibrium simulation, structural estimation, counterfactual policy evaluation
为什么对您有用: 本文属于经济理论（secondary interest）的应用研究，使用结构模型进行政策评估，其分析框架（生命周期模型、异质性主体、一般均衡）对理解因果推断中的纵向设定和反事实预测有参考价值。武器库中'identification theory in causal inference'可帮助审视其结构假设的可检验性，但本文核心方法（结构估计）不在当前武器库中，属于'暂不可做'——需先补充动态随机一般均衡（DSGE）或结构微观计量方法。

5. 10.3982/ecta21064 — Tail Risk in Production Networks¶

作者: Ian Dew-Becker
期刊/来源: Econometrica
分类: vol 91 · issue 6 · pp 2089-2123
相关性 4/10 · novelty: new_theory
摘要: 本文研究非线性生产网络中大型冲击对经济的影响。作者提出“尾部中心度”概念，衡量一个部门遭受巨大负面冲击时如何传导至GDP，即该部门的系统性风险。在基准情形下，尾部中心度等于部门到最终生产的平均下游接近度，这与销售份额等局部中心度在理论和实证上截然不同。论文还利用该结果分析经济中总尾部风险的决定因素：互联性的增加可能同时降低经济对小冲击的敏感性，但增加对大冲击的敏感性。尾部风险与条件粒度相关，即某些部门在负面冲击后变得高度有影响力。本文为经济理论中生产网络与尾部风险的关系提供了新的分析框架。
关键技术: tail centrality, production network, systemic risk, nonlinear propagation, conditional granularity
为什么对您有用: 本文属于经济理论（secondary interest）中的生产网络与尾部风险研究，为应用因果推断（如IV、中介分析）提供了经济模型背景。研究者若对经济数据中的因果结构感兴趣，本文的网络传导框架可作为入门读物。武器库中的非参数统计和因果推断估计理论可用于分析此类网络模型中的识别与估计问题，但本文核心是理论模型而非统计方法，因此暂不可做——缺少与统计推断的直接接口。

6. 10.3982/ecta17936 — Urban Growth and Its Aggregate Implications¶

作者: Gilles Duranton, Diego Puga
期刊/来源: Econometrica
机构: California University of Pennsylvania · University of Pennsylvania · Centro de Estudios Monetarios y Financieros
分类: vol 91 · issue 6 · pp 2219-2259
相关性 4/10 · novelty: application
摘要: 本文构建了一个城市增长模型，其中人力资本溢出效应在异质性城市中促进创业和学习。现任居民通过规划法规限制城市扩张，以使通勤和住房成本不超过集聚带来的生产率收益。模型建立在坚实的微观基础上，匹配了城市和整体经济层面的关键规律，并产生了可验证的新预测。通过依赖少数参数即可量化模型，并据此估计参数。通过放松规划法规或限制城市增长的反事实分析，评估城市对经济增长和总产出的影响。该文属于经济理论的应用研究，方法学新颖性有限，但为城市经济学提供了结构估计的范例。
关键技术: structural estimation, counterfactual analysis, spatial equilibrium model, human capital spillovers
为什么对您有用: 本文属于经济理论的应用研究，与您的次要兴趣（经济理论）直接相关。虽然方法学上以结构估计为主，但其中关于集聚效应和规划法规的因果识别思路，对您从事因果推断（尤其是IV和mediation）有启发。作为入门读物，本文清晰展示了经济模型与数据结合的方式，但武器库中的工具（如非参数统计、高维渐近）在此处直接应用空间有限，暂不可做。

作者: Maya Eden
期刊/来源: Econometrica
机构: Economic Policy Institute · Centre for Economic Policy Research · Brandeis University
分类: vol 91 · issue 6 · pp 2065-2088
相关性 4/10 · novelty: application
摘要: 本文在标准经济假设下，将社会折现率（social discount rate）与代际（年龄组间）权衡这两个规范性问题等价化。核心发现是：对未来消费的更高重视（即更低的社会折现率）必然意味着对老年人消费的更低重视。作者证明，社会折现率与市场利率之间的微小差异即可显著改变不同年龄组消费的相对估值。该结论基于跨期效用最大化框架和标准偏好假设，不依赖特殊效用函数形式。文章通过数值示例展示了该等价关系的定量含义。对您而言，这是一篇经济理论论文，其分析框架（跨期折现与代际权衡的等价性）为因果推断中的纵向设定（如长期政策效应的年龄异质性）提供了理论背景，但方法学上无直接统计技术贡献。
关键技术: social discount rate, intertemporal welfare, age-group tradeoff, normative equivalence
为什么对您有用: 本文属于经济理论（secondary interest），为理解长期政策评估中的折现率选择提供了理论框架。武器库中的'identification theory in causal inference'可帮助审视其假设（如市场利率作为折现基准）在实证中的可检验性。作为入门读物，本文清晰阐述了经济模型与规范性问题，但无统计方法学创新，暂不可做直接 follow-up。

8. 10.3982/ecta19559 — Algorithmic Mechanism Design With Investment¶

作者: Mohammad Akbarpour, Scott Duke Kominers, Kevin Michael Li, Shengwu Li, Paul Milgrom
期刊/来源: Econometrica
机构: Stanford University · Harvard University · Entrepreneurial Ecosystems
分类: vol 91 · issue 6 · pp 1969-2003
相关性 3/10 · novelty: new_theory
摘要: 本文研究在资源分配中使用近似算法的真实机制对投资激励的影响。核心设定是：机制设计者采用一个近似算法来分配资源，但参与者事前进行投资（如研发、成本降低），这些投资影响其后续在机制中的估值。作者发现，一些在分配问题上能保证接近100%最优社会福利的近似算法，在考虑投资激励时却无法提供任何保证。关键理论贡献是：一个算法的分配保证与投资保证一致当且仅当其“确认负外部性”（confirming negative externalities）足够小。作者为背包问题引入了新的快速近似算法，该算法没有确认负外部性，从而在分配和投资两方面都提供接近100%的保证。本文属于经济理论中的机制设计前沿，对您作为统计学家而言，其将算法性质（近似比）与激励性质（投资保证）建立精确联系的思路，与您在高维统计中刻画统计-计算权衡（statistical-computational tradeoff）的方法论有深层共鸣，值得作为跨领域阅读。
关键技术: algorithmic mechanism design, approximation algorithms, knapsack problem, confirming negative externalities, investment incentives
为什么对您有用: 本文属于经济理论（econ_theory）的 gateway reading，对您作为统计学家而言：(1) 它清晰展示了如何将算法复杂度（近似比）与激励性质（投资保证）建立精确的数学联系，这与您熟悉的统计-计算权衡（statistical-computational tradeoff）在方法论上形成镜像——都是刻画“近似”与“最优”之间的代价；(2) 您武器库中的 minimax bounds 和 high-dimensional asymptotics 可以直接用于分析这类机制设计问题中的信息-激励权衡，例如刻画投资水平与分配效率之间的 minimax 最优边界；(3) 本文是值得花时间读全文的——它用简单的背包问题作为载体，但分析框架（确认负外部性）具有一般性，且 exposition 对 outsider 友好，适合作为进入机制设计领域的入门读物。

9. 10.3982/ecta17482 — Mixed Strategies in the Indefinitely Repeated Prisoner's Dilemma¶

作者: Julian Romero, Yaroslav Rosokha
期刊/来源: Econometrica
机构: University of Arizona · Purdue University West Lafayette
分类: vol 91 · issue 6 · pp 2295-2331
相关性 3/10 · novelty: application
摘要: 本文通过实验方法直接引出了无限重复囚徒困境中人类被试的混合策略，解决了仅凭行为数据难以识别策略的难题。实验设计允许被试提交完整的策略（条件行为规则），而非仅观察其选择，从而提供了混合策略存在的直接经验证据。研究发现大多数被试使用混合策略，但随时间推移策略的混合程度降低，并向三个焦点纯策略（以牙还牙、冷酷触发、始终背叛）收敛。作者利用引出的策略为常用的混合模型估计程序提供了经验相关的基础，评估了这些程序在恢复真实策略分布上的表现。对您而言，本文展示了实验经济学中识别个体策略的严谨方法，其混合模型评估框架对您在经济理论应用方向（如因果推断中的策略性行为建模）具有参考价值。
关键技术: strategy elicitation, mixture model estimation, repeated games, experimental economics
为什么对您有用: 本文属于经济理论应用方向，是您的次要兴趣之一。它提供了一个清晰的实验设计和混合模型评估框架，作为入门读物，能帮助您理解经济学中策略识别的方法论挑战。您的武器库中的非参数统计和因果推断中的估计理论可用于分析此类策略估计的偏差与效率，但核心实验设计本身不直接对应您的主要技术兴趣。值得花时间阅读全文以了解经济学实验的范式，但中期内难以直接迁移方法。

作者: Baris Kaymak, Immo Schott
期刊/来源: Econometrica
机构: Federal Reserve Bank of Cleveland · Université de Montréal
分类: vol 91 · issue 6 · pp 2371-2408
相关性 3/10 · novelty: application
摘要: 本文研究企业税率下降对制造业劳动收入份额下降的因果效应。利用美国及OECD国家的面板数据，通过固定效应模型估计，发现企业税率下降可解释30-60%的劳动份额下降。核心机制是：低税率通过提高资本密集型企业的市场份额，改变行业内的企业构成，从而降低总体劳动份额。作者构建了一个异质性企业的一般均衡模型，其中企业资本密集度不同，税率变化通过影响企业进入、退出和市场份额再分配来影响加总劳动份额。模型校准至美国制造业微观数据，定量分析表明1950年代以来企业减税是劳动份额下降的重要驱动因素。该文为宏观劳动份额的长期趋势提供了基于企业异质性的微观机制解释，对您作为关注应用因果推断的经济学研究者有参考价值。
关键技术: fixed effects estimation, heterogeneous firm equilibrium model, quantitative calibration, decomposition of labor share
为什么对您有用: 本文属于经济理论（secondary interest）中的应用因果推断研究，使用面板数据固定效应识别企业税率对劳动份额的因果效应，并构建结构模型进行定量分解。您武器库中的'非参数统计'和'因果推断估计理论'可用于评估其识别假设的稳健性，例如检验平行趋势或处理潜在的内生性问题。该文是理解宏观劳动份额趋势的入门级实证研究，值得花时间阅读全文以了解其数据构造和识别策略。

11. 10.3982/ecta20787 — Presidential Address: Demand‐Side Constraints in Development. The Role of Market Size, Trade, and (In)Equality¶

作者: Pinelopi Koujianou Goldberg, Tristan Reed
期刊/来源: Econometrica
机构: Center for Economic and Policy Research · Bread for the World Institute · Yale University · World Bank Group
分类: vol 91 · issue 6 · pp 1915-1950
相关性 2/10 · novelty: application
摘要: 本文在垄断竞争与规模报酬递增技术的框架下，研究需求侧约束（市场规模、贸易、不平等）对发展中国家持续减贫的影响。作者将发展定义为持续贫困减少（以每日1.90美元贫困线以下人口比例连续五年下降衡量），并建立理论模型将这一结果与国内市场规模（取决于收入分配）和国际市场规模（取决于贸易协定法律条款）联系起来。实证上，利用279个优惠贸易协定和GATT/WTO成员身份的数据，通过面板回归发现国内和国际市场规模对持续减贫有统计显著且经济意义重大的影响。反事实估计表明，若没有国际一体化，低收入国家平均市场规模不足以实现持续减贫；而通过国内再分配扩大中产阶级可部分弥补国际市场的缺失。本文是发展经济学中需求侧视角的重要理论贡献，结合了贸易、不平等与增长的结构性分析。
关键技术: monopolistic competition, increasing returns to scale, fixed setup cost, panel regression, counterfactual estimation
为什么对您有用: 本文属于经济理论（secondary interest）的应用性论文，提供了市场规模、贸易与不平等影响发展的清晰框架和实证分析。对于研究者而言，本文可作为理解发展经济学中需求侧约束的入门读物，其面板回归和反事实估计方法虽不涉及前沿统计技术，但数据结构和因果识别问题（如贸易协定的内生性）值得关注。武器库中的非参数统计和因果推断识别理论可用于评估其识别假设的稳健性，但核心机器（贸易模型、一般均衡）不在当前武器库内，属于暂不可做方向。

12. 10.3982/ecta17756 — Intertemporal Hedging and Trade in Repeated Games With Recursive Utility¶

作者: Asen Kochov, Yangwei Song
期刊/来源: Econometrica
机构: University of Colorado Boulder · University of Rochester
分类: vol 91 · issue 6 · pp 2333-2369
相关性 2/10 · novelty: new_theory
摘要: 本文在重复博弈框架下引入递归偏好（recursive preferences），研究跨期对冲与贸易对均衡 payoff 集的影响。递归偏好区别于标准动态选择模型的两个关键特征是：代理人关心风险的跨期分布，以及时间偏好率可能随消费水平内生变化。作者首先证明，跨期贸易机会可能扩展静态博弈的可行 payoff 集，其来源包括时间偏好率的异质性和对冲跨期风险的动机。然而，当代理人偏好阶段结果在时间上正相关时，许多有效结果变得不可持续，即使代理人非常耐心，这被称为“反民间定理”（antifolk result）。直觉上，这种偏好使得用未来收益弥补短期损失变得低效，而这是确保路径上安全水平所必需的。文章同时建立了一个民间定理：若路径上安全水平得到满足，则当代理人足够耐心时，该策略可作为子博弈完美均衡维持。本文是经济理论中关于偏好与博弈交互的纯理论贡献，不涉及统计方法或数据。
关键技术: recursive preferences, subgame perfect equilibrium, folk theorem, intertemporal hedging, endogenous discounting
为什么对您有用: 本文属于经济理论（secondary interest），但纯理论无数据或统计方法，对研究者的统计工作无直接可迁移工具。武器库中无对应工具（缺博弈论与递归偏好建模），暂不可做。可作为了解经济理论中偏好建模前沿的入门读物，但非优先阅读。

13. 10.3982/ecta20797 — Price Setting With Strategic Complementarities as a Mean Field Game¶

作者: Fernando Alvarez, Francesco Lippi, Panagiotis Souganidis
期刊/来源: Econometrica
机构: University of Chicago · Einaudi Institute for Economics and Finance · Libera Università Internazionale degli Studi Sociali Guido Carli
分类: vol 91 · issue 6 · pp 2005-2039
相关性 2/10 · novelty: application
摘要: 本文研究粘性价格一般均衡模型中企业定价策略的战略互补性如何影响货币冲击的传导。将企业定价的固定点问题建模为平均场博弈（Mean Field Game），在动态均衡中企业的定价决策依赖于加总变量，而加总变量又由企业决策决定。证明了均衡的存在性与唯一性，并刻画了产出脉冲响应函数（IRF）的特征。主要理论结果包括：战略互补性使IRF在每个时点上都更大，且可能产生驼峰形IRF；当互补性足够强时IRF发散，临界点处均衡不存在。最后通过Calvo模型与Golosov–Lucas模型的比较，表明战略互动的放大效应在不同模型间相似，尽管两者的非中性程度差异很大。对您而言，本文是经济理论中应用随机过程与泛函分析工具的典范，可作为理解宏观经济学中均衡建模与动态博弈的入门读物，但方法学上不直接涉及您的核心统计兴趣。
关键技术: Mean Field Game, impulse response function, strategic complementarity, fixed-point problem, Calvo model, Golosov–Lucas model
为什么对您有用: 本文属于经济理论（secondary interest），适合作为宏观经济学中均衡建模的gateway reading。武器库中的非参数统计与高维渐近工具不直接适用于本文的泛函分析与随机过程方法，但您若想进入宏观经济学中的动态随机一般均衡（DSGE）领域，本文提供了清晰的模型设定与均衡分析框架。暂不可做：核心机器（平均场博弈、泛函分析不动点定理）不在武器库中，需先补充随机控制与泛函分析基础。

Maintained by 陈星宇 · Homepage · Source on GitHub